Análisis de imágenes hiper espectrales en el rango infrarrojo de concentrados de cobre usando Hyper-Tools.

Abstract

La minería es una industria que ha crecido a pasos agigantados en el transcurso de los años y que se visto beneficiada por los grandes avances tecnológicos que se han ido desarrollando hasta la actualidad. Estas nuevas tecnologías han promovido el interés de la comunidad científica he impulsado una amplia variedad de estudios sobre la extracción de recursos mineros en donde se busca para aumentar su eficiencia y niveles de productividad. En este estudio se aplicaron técnicas de regresión que permitieron mediante la extracción y manipulación de datos de imágenes hiper-espectrales de concentrados de cobre, obtener modelos que permitan explicar la variabilidad de la concentración porcentual de la mineralogía de ciertas muestras. Para lograr este objetivo se utilizó un conjunto de datos correspondientes a 32 imágenes hiper-espectrales tomadas a muestras de concentrados de cobre. A las que se le realizo un exhaustivo análisis, con el que se logró tener una estructura de datos muchos más limpia. El trabajo se realizó en el software de Matlab en conjunto con la herramienta Hypertools, las cuales permitieron procesar los diversos datos de interés a estudiar, en ellos se implementó la aplicación del método de regresión por mínimos cuadrados (PLS) y nos entregó como resultado los modelos para cada uno de los minerales que se analizó. Los resultados obtenidos dan cuenta de la capacidad adaptativa del modelo de regresión PLS el cual generó modelos que lograron estimar con una precisión aceptable (𝑅2>0.70) la variabilidad de las concentraciones de minerales entre las que se destacó las respuestas obtenidas en los minerales: Bornita, Calcopirita, Enargita, Pirita y Óxido de hierro, los que presentaron además los mejores resultados en términos de precisión al momento de enfrentarse a datos fuera del conjunto de entrenamiento.

Mining is an industry that has grown at an astonishing pace over the years and has been benefited by significant technological advancements that have been continuously developed up to the present day. These new technologies have fostered the interest of the scientific community and driven a wide array of studies on mining resource extraction, aiming to enhance its efficiency and productivity levels. In this study, regression techniques were applied that allowed obtaining models through the extraction and manipulation of hyperspectral image data from copper concentrates, explaining the variability of the percentage concentration of mineralogy in certain samples. To achieve this goal, a dataset corresponding to 32 hyperspectral images taken from copper concentrate samples was used. An exhaustive analysis was conducted on them, resulting in a much cleaner data structure. The work was carried out using Matlab software in conjunction with the Hypertools tool, enabling the processing of diverse data of interest for study. The implementation of the Partial Least Squares (PLS) regression method was applied, yielding models for each of the minerals analyzed. The obtained results demonstrate the adaptive capacity of the PLS regression model, which generated models that accurately estimated the variability of mineral concentrations with an acceptable precision (𝑅2 > 0.70). Notably, the responses obtained for the minerals Bornite, Chalcopyrite, Enargite, Pyrite, and Iron Oxide stood out, presenting the best results in terms of precision when confronted with data outside the training set.